IA generativa no atendimento: o ganho médio não é uma promessa para toda empresa

A discussão sobre IA generativa no trabalho frequentemente começa por uma pergunta ampla: ela aumenta a produtividade? Um estudo de campo publicado em 2025 no Quarterly Journal of Economics ajuda a tornar essa pergunta mais concreta. Os autores acompanharam a introdução escalonada de um assistente conversacional de IA entre 5.172 agentes de suporte ao cliente. Em média, o acesso à ferramenta elevou em 15% o número de problemas resolvidos por hora.

Esse resultado merece atenção, mas precisa ser lido com precisão. A medida principal foi a quantidade de problemas resolvidos por hora. Ela não equivale automaticamente a lucro, redução de custo total, qualidade global do atendimento ou satisfação com todas as interações. O estudo também é específico: ocorreu em uma única empresa, numa ocupação de suporte técnico e com uma ferramenta determinada. Seus autores alertam que os resultados não devem ser generalizados sem cuidado para outras tarefas, sistemas ou ambientes de trabalho.

O efeito tampouco foi igual para todos os trabalhadores. Agentes menos experientes e de menor desempenho inicial tiveram ganhos maiores de velocidade e qualidade. Entre os agentes mais experientes e de maior habilidade, houve pequenos ganhos de velocidade e pequenas quedas de qualidade em algumas medidas. A diferença é relevante para a decisão de gestão: uma ferramenta que ajuda iniciantes a acessar orientações e práticas acumuladas pode funcionar de forma diferente para quem já dispõe de experiência e julgamento próprios.

O artigo também relata evidências de aprendizagem no trabalho e de melhora na experiência de clientes em alguns indicadores, como maior cordialidade e menor propensão a pedir um gerente. Isso amplia a análise além da velocidade, mas não elimina as perguntas sobre o desenho da operação. Uma resposta sugerida pela IA ainda pode estar incompleta ou inadequada para um caso incomum. A adoção precisa definir quando o agente deve conferir, corrigir ou ignorar uma sugestão, e como escalar situações que exigem exceção.

Para uma empresa que avalia um piloto, a primeira tarefa é identificar o gargalo. Se o problema é localizar informações, redigir respostas repetitivas ou apoiar profissionais novos, um assistente de conhecimento pode ser pertinente. Se o problema está em políticas contraditórias, sistemas lentos, falhas de produto ou falta de autoridade para resolver solicitações, a IA pode acelerar a etapa errada sem resolver a causa.

A avaliação deve combinar indicadores. Casos resolvidos por hora podem mostrar velocidade; reabertura do chamado, resolução no primeiro contato e auditorias de qualidade ajudam a observar se o problema foi de fato resolvido. A satisfação do cliente e o volume de escalonamentos mostram outras dimensões da experiência. Treinamento, confiança dos agentes e mudanças nas tarefas também importam, sobretudo porque o estudo encontrou heterogeneidade por nível de experiência. Comparar grupos ou períodos de forma estruturada ajuda a não atribuir à ferramenta melhorias que poderiam decorrer de mudanças sazonais, de equipe ou de processo.

Há ainda uma escolha de desenho organizacional. A ferramenta pode ser usada para elevar a capacidade dos agentes, para reduzir trabalho repetitivo, para aumentar metas ou para reduzir o número de pessoas necessárias. O estudo observa que os efeitos de longo prazo sobre emprego e equilíbrio do mercado não estão determinados por seus resultados de curto e médio prazo. Uma gestão responsável não deve apresentar um ganho experimental de produtividade como prova automática de que cortes serão seguros ou de que os trabalhadores receberão os benefícios da mudança.

A conclusão prática é testar a ferramenta em uma tarefa delimitada, com regras de supervisão e critérios de sucesso definidos antes do piloto. Compare velocidade com qualidade e experiência; estratifique resultados por perfil dos usuários; examine erros e exceções; e verifique se o benefício sobrevive depois da fase inicial. A evidência publicada é promissora para aquele ambiente, mas o investimento só faz sentido quando a empresa comprova que o sistema melhora o resultado que realmente importa no seu próprio processo.

Palavras-chave: inteligência artificial; atendimento ao cliente; produtividade; gestão de operações; transformação digital

Fontes

Generative AI at Work